Насколько неравномерно могут развиваться эти элементы, показывает опрос ИСИЭЗ НИУ ВШЭ. В мае–июне 2026 года в нём приняли участие 424 государственных вуза и НИИ. Меры поддержки применения ИИ действуют в 65% организаций, внутренние документы утвердили 14%. Разовые семинары проводят 48% участников, долгосрочные программы дополнительного образования и повышения квалификации — 23%.
Опрос относится к научным организациям, поэтому его результаты нельзя переносить на бизнес. Однако он показывает характерный разрыв: поддержка ИИ, правила и системное обучение могут развиваться с разной скоростью.
В статье разберём пять уровней внедрения ИИ — от работающего доступа до измеримого результата. Покажем, как выбрать задачу для пилота, организовать обучение и понять, принёс ли новый инструмент пользу.
Почему доступ к ИИ ещё не означает результат
Представим, что компания подключила ИИ-помощника для клиентской поддержки. Сотрудники пишут с его помощью ответы, сокращают тексты, подбирают подходящий тон. Количество запросов растёт — кажется, что инструмент прижился.
Но клиенты не получают ответы быстрее. Черновики по-прежнему нужно проверять и согласовывать. Нейросеть может придумать несуществующее условие возврата: опытный сотрудник это заметит, а новичок — не всегда. Время, которое удалось сэкономить на подготовке текста, уходит на исправления.
Поэтому доступ, обучение, использование ИИ и результат нельзя считать одним и тем же:
| Что произошло | Что мы знаем | Чего мы пока не знаем |
| Сотруднику выдали доступ | Он может пользоваться сервисом | Пользуется ли он им |
| Сотрудник прошёл курс | Он закончил обучение | Умеет ли он применять знания в работе |
| Сотрудник использует ИИ | Инструмент вошёл в рабочий процесс | Помогает ли он работать быстрее и лучше |
| Показатели улучшились | В работе есть изменения | Связаны ли они с ИИ и обучением |
Иначе компания получает отчёт с количеством обученных сотрудников и запросов к сервису, но не понимает, окупилось ли внедрение.
На каком уровне внедрения ИИ находится команда
Подключённый сервис и пройденный курс ещё не означают, что ИИ полноценно используется в работе. Чтобы оценить внедрение, нужно проверить пять уровней: от технического доступа до изменений в показателях процесса.
Разные подразделения могут находиться на разных уровнях. Например, маркетинг уже оценивает результаты, а служба поддержки только определяет допустимые сценарии. При этом правила работы с данными нужны с момента выдачи доступа, а исходные показатели фиксируют до начала пилота.
| Уровень | Что проверяем | Как подтвердить уровень |
|---|---|---|
| 1. Доступ | Какие сервисы и для каких задач используют сотрудники | Инструменты и сценарии определены, доступ работает |
| 2. Регламент | Что разрешено и кто отвечает за результат | Сотрудники умеют действовать по правилам |
| 3. Обучение | Может ли сотрудник выполнить рабочую задачу с помощью ИИ | Практическое задание выполнено по заданным критериям |
| 4. Применение | Используется ли навык после обучения | Есть примеры реальных рабочих задач |
| 5. Результат | Что изменилось в процессе | Сопоставлены время, качество и затраты |
Уровень 1. Доступ
Сначала нужно выяснить, какими ИИ-сервисами сотрудники уже пользуются. Часть команды могла начать работать с нейросетями самостоятельно, в том числе через личные аккаунты.
Проверьте:
- какие инструменты используют разные подразделения;
- какие задачи решают с их помощью;
- какие данные загружают;
- где ИИ действительно экономит время;
- где результат приходится долго проверять и исправлять;
- какие сервисы согласованы с ИТ и службой информационной безопасности.
Вопроса «Пользуетесь ли вы ИИ?» здесь недостаточно. Попросите сотрудника описать последнюю задачу, которую он решал с помощью нейросети: что передал сервису, какой ответ получил и что пришлось изменить.
После такой инвентаризации компания может определить разрешённые инструменты, подходящие задачи и участников пилота. Затем нужно убедиться, что сотрудники действительно могут открыть сервис и выполнить тестовое задание.
Для клиентской поддержки, например, заранее выбирают категории обращений, по которым ИИ может готовить черновик. Сложные или рискованные случаи в пилот не включают.
Уровень 2. Регламент
Сотрудник должен понимать, какие данные можно передавать нейросети, для каких задач её разрешено использовать и кто проверяет результат.
Рабочая инструкция должна отвечать на пять вопросов:
- Какими сервисами можно пользоваться?
- Какие данные разрешено загружать?
- Для каких задач подходит ИИ?
- Что нужно проверить перед использованием результата?
- Что делать при неверном ответе, сомнительном результате или подозрении на утечку данных?
Фразы «соблюдайте конфиденциальность» и «проверяйте ответы» не объясняют, что именно требуется от сотрудника. Для службы поддержки правила могут быть такими: не передавать персональные данные в сервисы, для которых этот сценарий не согласован; сверять сроки и условия возврата с базой знаний; не обещать клиенту неподтверждённую компенсацию; сложные обращения передавать ответственному специалисту.
Генеративный ИИ может уверенно выдавать недостоверные сведения и создавать риски для защиты данных.
Проверить знание регламента помогут ситуационные задания. Сотруднику предлагают решить, можно ли загрузить конкретный фрагмент переписки, какие сведения нужно сверить и в каком случае ИИ лучше не использовать. Отметка «ознакомлен» такой проверки не заменяет.
Уровень 3. Обучение
Обзорный вебинар знакомит с возможностями нейросетей. Для работы этого мало: сотруднику нужно научиться решать с помощью ИИ конкретные задачи своей должности.
Специалисту поддержки важно уметь:
- понять запрос клиента;
- передать нейросети достаточно контекста без запрещённых данных;
- задать требования к содержанию и тону ответа;
- проверить сведения по базе знаний;
- исправить текст или отказаться от предложенного варианта.
До обучения сотрудник выполняет входное задание, после — новое, но сопоставимое по сложности. Оба результата оценивают по одним критериям. Если повторно дать тот же пример, высокий балл может говорить только о том, что человек запомнил готовое решение.
Критические нарушения учитывают отдельно. Если в ответе обещана компенсация, которой нет в правилах компании, грамотный текст и подходящий тон не должны повышать итоговую оценку.
Уровень 4. Применение
Навык может остаться только в учебном задании. После курса сотрудник возвращается к обычной нагрузке, привычным срокам и требованиям руководителя. Если сервис неудобно открывать, инструкции сложно найти, а за помощью не к кому обратиться, человек продолжит работать по-старому.
На этом уровне нужны:
- понятный порядок работы с ИИ;
- примеры запросов и готовых ответов;
- время на освоение нового процесса;
- специалист, которому можно задать вопрос;
- разбор сложных случаев.
Количество запросов к нейросети не стоит превращать в план. Сотрудники могут начать обращаться к сервису даже там, где он не помогает.
Полезнее смотреть, в какой доле подходящих задач используется согласованный сценарий и какого качества получается результат. Если сотрудники не применяют ИИ, нужно выяснить причину. Возможно, они не освоили инструмент, не могут получить доступ, не видят подходящих задач или тратят на проверку больше времени, чем на самостоятельную работу.
Уровень 5. Результат
На последнем уровне оценивают изменения во всём процессе. Скорость генерации черновика показывает только изменение одного этапа, а не всего процесса. Учитывать нужно полный путь до готового ответа:
Подготовка данных + работа с ИИ + проверка + исправления + согласование.
Если сотрудник быстрее готовит текст, но руководитель дольше его проверяет, общие трудозатраты могут не сократиться.
После пилота сравнивают:
- полное время обработки обращения;
- долю ответов с недостоверными сведениями или нарушениями правил;
- долю ответов, возвращённых на доработку;
- время сотрудника и проверяющего;
- стоимость лицензий, настройки, обучения и сопровождения.
Полученные данные сопоставляют с исходными показателями. Если возможно, дополнительно используют контрольную группу, которая выполняет похожие задачи без нового инструмента.
Пилот не обязан завершаться масштабированием. Если проверка отнимает слишком много времени, а качество не улучшается, от сценария можно отказаться.
С какой задачи начать пилот
Посмотрите, на что у команды уходит время в течение обычной недели. Если сотрудники постоянно выполняют похожую работу по одним правилам, этот процесс можно проверить с ИИ.
В службе поддержки таким процессом может стать подготовка ответов на типовые вопросы о возврате. Обращения повторяются, условия можно сверить с базой знаний, а готовый текст сотрудник проверяет перед отправкой клиенту. Значит, результаты будет с чем сравнить.
Редкие и нестандартные задачи лучше оставить для следующих этапов. Отдельного подхода требуют процессы, где неточность может повлиять на деньги, права или безопасность людей. Не подойдёт для пилота и задача без единых требований к качеству: сначала компании нужно определить, каким должен быть правильный результат.
Шаблон пилота
До запуска заполните основные параметры:
| Поле | Что зафиксировать |
|---|---|
| Процесс | Какую рабочую задачу будет выполнять пилотная группа |
| Гипотеза | Какой показатель должен улучшиться и что при этом не должно ухудшиться |
| Границы | Какие задачи входят в пилот, а какие исключаются |
| Участники | Кто работает с ИИ, кто проверяет результат и кто отвечает за процесс |
| Инструмент и данные | Какой сервис разрешено использовать и что можно в него загружать |
| Исходные показатели | Сколько времени занимает задача, как часто результат дорабатывают |
| Обучение | Что должны освоить сотрудники и на каком задании проверят навык |
| Объём | Сколько сопоставимых задач должна выполнить пилотная группа |
| Срок | Когда начинается и заканчивается пилот |
| Критерии качества | По каким требованиям оценивают готовый результат |
| Критерии успеха | Насколько должен измениться основной показатель |
| Затраты | Стоимость лицензий, настройки, обучения, сопровождения и проверки |
| Условия остановки | При каких нарушениях, затратах или нагрузке пилот прекращают |
| Решение | Масштабировать сценарий, доработать его или отказаться от использования |
Например, для ответов на вопросы о возврате гипотеза может звучать так: ИИ сократит полное время подготовки ответа, при этом доля недостоверных сведений и доработок не вырастет.
Срока самого по себе недостаточно. Если за месяц накопилось всего несколько подходящих обращений, оценить результат не получится. Поэтому заранее определите и даты пилота, и количество задач для сравнения.
От знакомства с ИИ — к рабочему навыку
ИИ ускорил работу. А что получила компания?
После пилота проще всего открыть статистику сервиса и посмотреть, сколько сотрудников вошли в систему и сколько запросов отправили.
Эти цифры показывают, что инструментом пользовались, но не отвечают на вопрос, стала ли работа быстрее и качественнее.
Оценивать нужно три разных результата:
| Что проверяем | На что смотреть | Откуда взять данные |
|---|---|---|
| Сотрудник освоил навык | Качество практического задания до и после обучения | Результаты заданий и оценки проверяющего |
| Навык вошёл в работу | Доля подходящих задач, в которых сотрудники используют согласованный сценарий | Рабочие примеры и система учёта задач |
| Процесс изменился | Полное время выполнения, доля доработок, нагрузка проверяющего и стоимость операции | CRM, служба поддержки и другие рабочие системы |
Количество запросов пригодится для диагностики. Например, резкое снижение активности может указывать на проблемы с доступом, неудобный сценарий или недостаток практики. Само по себе оно не подтверждает пользу ИИ.
Сравнивайте одинаковые задачи
Типовые вопросы о доставке нельзя сравнивать со сложными претензиями. На скорость также влияют опыт сотрудников, нагрузка, сезонность и изменения в базе знаний.
Если процесс позволяет, часть однотипных обращений обрабатывают без ИИ в тот же период. Задачи между группами лучше распределять случайно, чтобы в одну из них не попали только простые случаи. Такое сравнение точнее обычной схемы «до и после».
Когда вместе с ИИ компания меняет инструкции и проводит обучение, пилот показывает результат всей связки. Для решения о масштабировании этого обычно достаточно: компания всё равно будет внедрять инструмент вместе с правилами и подготовкой сотрудников.
Когда сэкономленное время становится деньгами
Допустим, на один ответ теперь уходит на пять минут меньше. При 10 000 обращений в месяц команда высвобождает около 833 часов:
5 минут × 10 000 обращений ÷ 60 = 833 часа.
Но фонд оплаты труда от этого автоматически не уменьшится. Экономический эффект появится, если команда за это время обработает больше обращений, сократит очередь или сверхурочную работу либо позволит компании обойтись без дополнительного найма.
Из результата вычитают расходы на лицензии, настройку, обучение и сопровождение. Время проверки включают в полный цикл работы, чтобы не посчитать его дважды.
Как организовать обучение и сопровождение в Эквио
Обучение для ИИ-пилота включает правила работы с сервисом, практику на задачах своей должности и поддержку после курса. Сотруднику важно не только освоить инструмент, но и научиться проверять результат, замечать неточности и понимать, в каких ситуациях нейросеть не поможет.
В Эквио материалы, задания и обратную связь можно объединить в один учебный маршрут. Его содержание зависит от роли сотрудника: маркетолог работает с текстами и аналитикой, специалист по продажам — с письмами и подготовкой к звонкам, служба поддержки — с обращениями клиентов.
Предположим, компания тестирует ИИ для подготовки ответов на типовые вопросы о возврате. Тогда обучение можно построить так:
| Этап | Что происходит |
|---|---|
| Входное задание | Сотрудник готовит ответ без обучения. Компания фиксирует исходный уровень |
| Правила | Сотрудник изучает допустимые сценарии, ограничения по данным и порядок проверки |
| Разбор примеров | Смотрит удачные и неудачные ответы ИИ на обращения клиентов |
| Практика | Готовит ответ с помощью ИИ, получает комментарии и дорабатывает результат |
| Итоговая проверка | Самостоятельно выполняет новое задание сопоставимой сложности |
| Рабочее применение | После курса разбирает реальное обращение и сдаёт результат на проверку |
Для практической части можно использовать модуль «Задания». Он позволяет:
- назначать сотрудникам практические задания;
- собирать отчёты и файлы;
- добавлять чек-листы;
- создавать формы с критериями оценки;
- организовывать проверку и обратную связь.
При проверке ответа можно оценить, верно ли указаны условия возврата, соблюдены ли правила компании, нет ли неподтверждённых обещаний и готов ли текст к отправке клиенту.
Эквио хранит результаты обучения и оценки за задания. Операционные данные остаются в рабочих системах: время обработки и повторные обращения — в CRM или системе поддержки, финансовые показатели — в управленческом учёте. Если компании нужен единый отчёт, данные из этих систем объединяют отдельно.
Чек-лист: где остановилось внедрение ИИ
Выберите один рабочий сценарий и пройдите по чек-листу. Он нужен не для подсчёта баллов: каждый ответ «нет» показывает, что нужно сделать дальше.
Общий балл здесь ничего не даст. Пройденный курс не компенсирует отсутствие правил работы с данными, а высокая активность в сервисе — отсутствие изменений в процессе.
Начинайте с найденного пробела. Если сотрудники справляются с практическим заданием, но не используют ИИ в работе, новый курс вряд ли поможет: нужно проверить сам сценарий и условия его применения. Если инструмент используется, а показатели не меняются, стоит пересмотреть задачу и затраты на неё.
Частые вопросы
Достаточно ли одного вебинара по ИИ?
Для знакомства с инструментом — да. Рабочий навык подтверждает только практика: сотрудник должен выполнить задачу, учесть обратную связь и самостоятельно справиться с новым примером.
Нужно ли обучать всех по одной программе?
Общими могут быть правила безопасности и проверки результатов. Практику лучше подбирать по ролям: специалистам поддержки, аналитикам и методистам нужны разные задания.
Как понять, что сотрудники применяют навык после курса?
Проверить реальные рабочие задачи по тем же критериям, которые использовались во время обучения. Если рабочие материалы содержат закрытые данные, для проверки берут обезличенные примеры или используют утверждённый порядок доступа.
Почему количество запросов не показывает пользу ИИ?
Один запрос может дать готовый результат, а десять — закончиться безрезультатными попытками. Поэтому считать нужно полное время работы, качество и количество доработок.
Что делать, если пилот не дал результата?
Найти этап, на котором пропадает эффект. Возможно, сотрудники не освоили инструмент, выбрана неподходящая задача или проверка занимает всё сэкономленное время. Сценарий можно доработать или закрыть: масштабирование не является обязательным итогом пилота.
Подготовьте команду к ИИ-пилоту 🚀
Если вы уже текущий клиент, пожалуйста, 
Если вы уже текущий клиент, пожалуйста, напишите на